支持向量机在饮用水水源地水质评价中的应用
详细信息 查看官网全文
- 英文论文题名：Application of support vector machine in water quality assessment of drinking water source
- 论文作者：龙必能
- 英文论文作者：LONG Bi-Neng ; Yunnan Province Hydrology Water Resources Bureau Wenshan Branch Bureau
- 年：2016
- 作者机构：云南省水文水资源局文山分局;
- 论文关键词：水质评价 ; 粒子群优化算法 ; 支持向量机 ; 参数优化 ; 饮用水水源地
- 英文论文关键词：evaluation of water quality ; particle swarm optimization algorithm ; support vector machine ; parameter optimization ; drinking water source
- 会议召开时间：2016-11-01
- 会议录名称：云南省水利学会2016年度学术年会论文集
- 语种：中文
- 分类号：X824;TU991.15
- 学会代码：YNKX
- 会议名称：云南省水利学会2016年度学术年会
- 会议地点：中国云南昆明
- 主办单位：云南省水利学会
- 学会名称：云南省科学技术协会
- 页数：5
- 文件大小：1213k
- 原文格式：D
- 会议级别：地方
摘要
采用回归支持向量机(SVR)和分类支持向量机(SVM)对饮用水水源地水质进行评价。针对支持向量机学习参数难以确定的不足,利用粒子群优化(PSO)算法寻优支持向量机学习参数,提出PSO-SVR及PSO-SVM评价模型,以文山州2014年13个饮用水水源地水质评价为例进行实例研究。结果表明:利用PSO算法寻优支持向量机学习参数可有效提高模型的评价精度和泛化能力。PSO-SVR及PSO-SVM模型对实例水质评价结果相同,各具特点和优势,均可用于相关水质综合评价。
The water quality of drinking water source was evaluated by using the regression support vector machine(SVR) and classification support vector machine(SVM). In view of the difficulty in learning parameters of support vector machine(SVM), a PSO-SVM and PSO-SVR evaluation model is proposed by using particle swarm optimization(PSO) algorithm to find the optimal support vector machine learning parameters. A case study is conducted in 13 drinking water sources in Wenshan in 2014. The results show that the accuracy and generalization ability of the model can be effectively improved by using PSO algorithm to optimize the parameters of SVM. The PSO-SVR and PSO-SVM models have the same results as the water quality evaluation, and have their own characteristics and advantages, and can be used for the comprehensive evaluation of the relevant water quality.
The water quality of drinking water source was evaluated by using the regression support vector machine(SVR) and classification support vector machine(SVM). In view of the difficulty in learning parameters of support vector machine(SVM), a PSO-SVM and PSO-SVR evaluation model is proposed by using particle swarm optimization(PSO) algorithm to find the optimal support vector machine learning parameters. A case study is conducted in 13 drinking water sources in Wenshan in 2014. The results show that the accuracy and generalization ability of the model can be effectively improved by using PSO algorithm to optimize the parameters of SVM. The PSO-SVR and PSO-SVM models have the same results as the water quality evaluation, and have their own characteristics and advantages, and can be used for the comprehensive evaluation of the relevant water quality.
引文
[1]黄丹.基于改进型内梅罗污染指数法的玛纳斯河流域地表水水质评价[J].人民珠江,2015,36(3):103-107.
[2]李娜.基于主成分分析法的延河水质评价及预测[J].人民珠江,2014,35(3):105-108.
[3]田海翔,戴大刚,俞芳琴,等.基于改进模糊层次分析法的龙华港水系水质综合评价[J].水资源保护,2013,29(5):55-58.
[4]王摇平,王云峰.综合权重的灰色关联分析法在河流水质评价中的应用[J].水资源保护,2013,29(5):52-55.
[5]郜慧,金辉.模糊综合评判法在沙坪河流域水质评价中的应用[J].人民珠江,2005,26(06):50-53.
[6]崔东文水质综合评价的LM-BP神经网络通用模型应用[J].水资源保护,2013,29(6):18-25.
[7]李祚泳,张正健.基于回归支持向量机的指标规范值的水质评价模型[J].中国环境科学,2013,33(8):1502-1508.
[8]童英伟,刘志斌,常欢.集对分析法在河流水质评价中的应用[J].安全与环境学报,2008,8(6):84-86.
[9]李祚泳,张正健,余春雪.基于投影寻踪回归的指标规范值的水质评价模型[J].水文,2012,32(3):6-12.
[10]史峰,王辉,郁磊,胡斐.MATLAB智能算法30个案例分析[M].北京:北京航空航天大学出版社,2011.7.
[11]李月玉,李磊.免疫粒子群算法与支持向量机在枯水期月径流预测中的应用水资源与水工程学报[J].,2015,26(3):124-128.
[12]孙艳,,刀海娅.自适应变异粒子群算法与支持向量机在农业用水预测中的应用水资源与水工程学报[J].,2015,26(3):231-236.
[13]崔东文,金波.基于改进的回归支持向量机模型及其在年径流预测中的应用[J].水力发电学报,2015,34(2):7-14.
[14]刘伟,王建平,刘长虹,等.基于粒子群寻优的支持向量机番茄红素含量预测[J].农业机械学报,2012,43(4):143-147,155.
[15]崔东文.人工鱼群算法与支持向量机在枯水期月径流预测中的应用[J].人民珠江,2015,36(3):36-40.
[16]崔东文,金波.果蝇优化算法与支持向量机在年径流预测中的应用[J].人民珠江,2015,36(2):29-32.
[17]孙莉,徐琪.混合和声搜索算法优化SVM的订单优先权评价[J].计算机工程与应用,2015,51(12):241-245.
[2]李娜.基于主成分分析法的延河水质评价及预测[J].人民珠江,2014,35(3):105-108.
[3]田海翔,戴大刚,俞芳琴,等.基于改进模糊层次分析法的龙华港水系水质综合评价[J].水资源保护,2013,29(5):55-58.
[4]王摇平,王云峰.综合权重的灰色关联分析法在河流水质评价中的应用[J].水资源保护,2013,29(5):52-55.
[5]郜慧,金辉.模糊综合评判法在沙坪河流域水质评价中的应用[J].人民珠江,2005,26(06):50-53.
[6]崔东文水质综合评价的LM-BP神经网络通用模型应用[J].水资源保护,2013,29(6):18-25.
[7]李祚泳,张正健.基于回归支持向量机的指标规范值的水质评价模型[J].中国环境科学,2013,33(8):1502-1508.
[8]童英伟,刘志斌,常欢.集对分析法在河流水质评价中的应用[J].安全与环境学报,2008,8(6):84-86.
[9]李祚泳,张正健,余春雪.基于投影寻踪回归的指标规范值的水质评价模型[J].水文,2012,32(3):6-12.
[10]史峰,王辉,郁磊,胡斐.MATLAB智能算法30个案例分析[M].北京:北京航空航天大学出版社,2011.7.
[11]李月玉,李磊.免疫粒子群算法与支持向量机在枯水期月径流预测中的应用水资源与水工程学报[J].,2015,26(3):124-128.
[12]孙艳,,刀海娅.自适应变异粒子群算法与支持向量机在农业用水预测中的应用水资源与水工程学报[J].,2015,26(3):231-236.
[13]崔东文,金波.基于改进的回归支持向量机模型及其在年径流预测中的应用[J].水力发电学报,2015,34(2):7-14.
[14]刘伟,王建平,刘长虹,等.基于粒子群寻优的支持向量机番茄红素含量预测[J].农业机械学报,2012,43(4):143-147,155.
[15]崔东文.人工鱼群算法与支持向量机在枯水期月径流预测中的应用[J].人民珠江,2015,36(3):36-40.
[16]崔东文,金波.果蝇优化算法与支持向量机在年径流预测中的应用[J].人民珠江,2015,36(2):29-32.
[17]孙莉,徐琪.混合和声搜索算法优化SVM的订单优先权评价[J].计算机工程与应用,2015,51(12):241-245.